Les fondements du langage du droit comme langue de spécialité. Du sens et de la forme du texte juridique
Notice bibliographique
Résumé
L’utilisateur ou l’auteur de textes juridiques passe par le langage du droit pour lire, écrire ou traduire cette langue de spécialité (LS). Or, pour traiter un texte, juridique ou autre, il faut non seulement connaître (et comprendre) les mots de la langue commune, les termes du domaine visé et les notions dont ils sont porteurs, c’est-à-dire la langue (le lexique), mais encore le discours qui lui est propre, soit la manière de dire les choses, son langage . Le langage du droit, comme toute LS, est constitué de quatre éléments premiers : une sémantique, une syntaxe, un lexique et une stylistique. Les possibilités combinatoires illimitées qu’elle offre en font un champ d’observation et d’expérimentation exemplaire. Si le fond (le sens ou contenu) d’un texte occupe une place prépondérante dans l’interprétation — quel qu’en soit le but — qui peut en être faite, la forme (le contenant ou l’expression : sa stylistique) n’est pas moins importante et, en droit comme ailleurs, la « façon de dire » est porteuse de sens, donc de significations , et il doit en être tenu compte dans les interprétations diverses auxquelles elle donne lieu. Un texte n’est, somme toute, que le produit de la synthèse des quatre éléments premiers énoncés, et sa signification dépendra de la combinatoire plus ou moins réussie des éléments nécessaires à la constitution de l’ensemble. Le sens du texte juridique procède de l’équation aléatoire que son auteur aura su (pu ?) réaliser à partir de ces éléments. Sa signification dépendra de l’interprétation, toujours fragile, qui en sera faite. Lorsque la signification rencontre le sens, on atteint à l’essence du langage, et du particulier (LS quelconque) on tend vers l’universel, soit le langage tout court.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».